Thinking Machines: Inkling 2 Small (free) API
Inkling 2 Small de Thinking Machines est un modèle à transformeur décodeur clairsemé Mixture-of-Experts, acceptant texte et images, conçu pour les systèmes agentiques, l'assistance au code et le RAG.
Inkling 2 Small est un modèle de Thinking Machines construit sur un transformeur décodeur de 48 couches avec une architecture Mixture-of-Experts clairsemée. Chaque token est routé vers 8 des 384 experts, pour un total de 594 milliards de paramètres dont 17 milliards actifs. Il accepte des entrées texte et image et génère du texte ; les images sont encodées par un transformeur de vision puis traitées conjointement avec le texte dans un espace caché partagé. Il prend en charge les formats numériques MXFP8 et NVFP4.
Le modèle est destiné à l'anglais et à d'autres langues, ainsi qu'à plusieurs langages de programmation. Il est conçu pour les systèmes agentiques et d'utilisation d'outils, les assistants de codage, les chatbots et les systèmes de génération augmentée par récupération (RAG). Il convient également aux tâches générales de conversation, au suivi d'instructions, à la finance, à la création 3D et à la génération vidéo via du code.
Parmi les modèles à poids ouverts, il obtient les meilleures performances sur plusieurs benchmarks financiers. Sur l'Artificial Analysis Intelligence Index v5.0.1, il égale le réglage high de Gemini 3.8 Flash et dépasse MiMo-V2.6-Pro. Son architecture MoE clairsemée efficace, avec 17 milliards de paramètres actifs, le rend relativement économique. Il est lancé comme modèle propriétaire, disponible en first-party via la plateforme Tinker et Tinker Playground de Thinking Machines ; la publication des poids sous Apache 2.0 est prévue à une date non confirmée.
Mis à jour:
ID DU MODÈLE
inkling-2-small:free- Contexte
- 1.049M
- Sortie max.
- 131.072K
- API recommandée
- messages
- Entrée
- text / image
- Sortie
- video
Points clés
- Transformeur décodeur de 48 couches
- Mixture-of-Experts clairsemée : 8 experts sur 384 par token
- 594 milliards de paramètres, 17 milliards actifs
- Formats numériques MXFP8 et NVFP4
- Entrées texte et image, sortie texte
- Conçu pour les systèmes agentiques et le RAG
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| Disponibilité | |||
|---|---|---|---|
| $0 | $0 |
Les statistiques historiques ne sont pas un contrôle en direct. Une donnée manquante ne signifie pas une panne.
Benchmarks
- 71.8%
EnterpriseBench-CoreCraft
de Surge AI ; capacités d'IA agentique
- 56%
CritPt v2
contre 34 % pour Inkling Small et 65 % pour Gemini 3.8 Flash high
- 89.5
GPQA Diamond
- 80.2
SWE-bench Verified
- 74
MMMU Pro Standard 10 Options
- 64.7
Terminal Bench 2.1
- 95.5
MathArena AIME 2026
- 31.6
HLE
Scores tels que publiés par le fournisseur du modèle.
Raisonnement
- Niveau d'effort par défaut
- high
- Activé par défaut
- Oui
- Toujours activé
- Oui
- Niveaux d'effort disponibles
- max / high / medium / low / minimal
Démarrage rapide
Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.
Configurer votre clé API
Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.
export FELO_API_KEY="YOUR_API_KEY"Effectuer votre première requête
Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.
inkling-2-small:freeCe modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "inkling-2-small:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Utiliser des SDK tiers
Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.
Activer le streaming
Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "inkling-2-small:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.
Messages
Messages compatibles Anthropic pour les clients de style Claude.
POST
https://openapi.felo.ai/api/v1/messagesParamètres
modelstringinkling-2-small:freeID public du modèle à appeler.max_tokensinteger—Nombre maximal de tokens générés.messagesarray—Messages de la conversation pour Chat Completions.seed———stop———toolsarray—Définitions de tool calling conformes au schéma compatible.top_p———reasoning———temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.reasoning_effort———include_reasoning———Questions fréquentes
Qu'est-ce que Thinking Machines: Inkling 2 Small (free)?
Inkling 2 Small est un modèle de Thinking Machines construit sur un transformeur décodeur de 48 couches avec une architecture Mixture-of-Experts clairsemée. Chaque token est routé vers 8 des 384 experts, pour un total de 594 milliards de paramètres dont 17 milliards actifs. Il accepte des entrées texte et image et génère du texte ; les images sont encodées par un transformeur de vision puis traitées conjointement avec le texte dans un espace caché partagé. Il prend en charge les formats numériques MXFP8 et NVFP4. Le modèle est destiné à l'anglais et à d'autres langues, ainsi qu'à plusieurs langages de programmation. Il est conçu pour les systèmes agentiques et d'utilisation d'outils, les assistants de codage, les chatbots et les systèmes de génération augmentée par récupération (RAG). Il convient également aux tâches générales de conversation, au suivi d'instructions, à la finance, à la création 3D et à la génération vidéo via du code. Parmi les modèles à poids ouverts, il obtient les meilleures performances sur plusieurs benchmarks financiers. Sur l'Artificial Analysis Intelligence Index v5.0.1, il égale le réglage high de Gemini 3.8 Flash et dépasse MiMo-V2.6-Pro. Son architecture MoE clairsemée efficace, avec 17 milliards de paramètres actifs, le rend relativement économique. Il est lancé comme modèle propriétaire, disponible en first-party via la plateforme Tinker et Tinker Playground de Thinking Machines ; la publication des poids sous Apache 2.0 est prévue à une date non confirmée.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.
Quels types d'entrées Inkling 2 Small accepte-t-il ?
Il accepte des entrées texte et image et génère des sorties texte.
À quoi sert principalement Inkling 2 Small ?
Il est conçu pour les systèmes agentiques et d'utilisation d'outils, les assistants de codage, les chatbots et les systèmes de génération augmentée par récupération.
Quelle est la différence entre Inkling 2 Small et Inkling Small ?
Inkling 2 Small réduit le taux d'hallucination à 27 % contre 61 % pour Inkling Small, et fait passer les taux de réussite des tâches d'automatisation de 5 % à 46 %.
Inkling 2 Small est-il disponible en open weight ?
Il est lancé comme modèle propriétaire, disponible en first-party via la plateforme Tinker et Tinker Playground de Thinking Machines. Une publication des poids sous Apache 2.0 est prévue à une date non confirmée.